基于改进YOLOv7的高铁异物入侵检测算法 |
| |
引用本文: | 晏朋,李遇鑫,李治林,王等准,李修曈,余梅,谢本亮.基于改进YOLOv7的高铁异物入侵检测算法[J].无线电工程,2024(5):1099-1109. |
| |
作者姓名: | 晏朋 李遇鑫 李治林 王等准 李修曈 余梅 谢本亮 |
| |
作者单位: | 1. 贵州大学大数据与信息工程学院;2. 半导体功率器件可靠性教育部工程研究中心 |
| |
基金项目: | 贵州省基础研究计划(自然科学类)项目(黔科合基础-ZK[2023]一般060); |
| |
摘 要: | 针对复杂环境下高铁轨道入侵异物对列车的安全行驶有严重的威胁,而现有检测方法不能满足实际的高铁轨道异物检测工作,提出一种基于改进YOLOv7的高铁异物入侵检测算法。引入CARAFE算子作为上采样算法,减少输入图像的特征信息损失,增大网络感受野;在YOLOv7模型中引入GhostConv卷积,可以有效地减少模型的计算量和参数量;引入全局注意力机制(Global Attention Mechanisms, GAM),增强全局信息交互能力和表达能力,提高检测性能;采用Alpha_GIoU损失函数,提升小目标的检测能力和模型的收敛速度。实验结果表明,改进后的YOLOv7-CGGA模型的平均检测精度(mean Average Precision, mAP)和平均每秒推理速度(Frames Per Second, FPS)值分别达到96.7%和96.1,与原YOLOv7模型相比,分别提升了1.6%和31.1,较好地平衡了模型的检测精度和效率,可以满足实际的检测需求。
|
关 键 词: | YOLOv7 高铁 异物入侵 深度学习 |
|
|